yaxu2731的博客

图像融合技术以其综合多传感器信息的优越性日益受到诸多领域的重视。 为了使其应用在医学、遥感、计算机视觉、气象预报、军事目标识别等方面更迅速、 深入地开展，有效、实用的融合算法是至关重要的。本文在小波变换金字塔结构的基 础上，提出了一种多尺度多算子融合方法，对热红外图像和可见光图像的融合进行了 研究。结果融合效果很好，目标和背景区别显著，而且边缘不突兀。由于这种方法对 小波分解的层数要求不高，因此计算量不大，便于并行处理及硬件实时化实现，具有 广阔的应用前景。

基于学习方法构造的冗余字典可更加准确地提取信号的结构特征，也是近几年的研究热点。论文在研究了基于KSVD字典学习的图像去噪算法的基础上，将相关系数匹配准则和字典裁剪方法相结合，提出一种改进的字典学习算法，进一步，为了利用图像的非局部自相似性信息，提出将自相似性作为一个约束正则项融入到图像去噪模型，提出基于改进字典学习和非局部自相似性的图像去噪算法。大量实验验证，与传统KSVD去噪方法相比，该方法在提高同质区域平滑性的同时还能保留更多的纹理、边缘等细节特征。

用了双线性插值的矩形阵列到径向阵列的变换算法，给出了一个离散脊波变换的实现方法，将其应 用于多光谱图像与全色图像的融合算法中，通过清晰度、灰度方差、信息熵三个方面，将算法结果与小波变换 的结果进行了对比，实验结果表明，相对于小波变换而言，脊波变换能更好地处理线和面的奇异性，而且由融 合的结果来看，脊波变换得到的结果在清晰度等方面要高于小波变换。

首先利用模糊G均值聚类算法在多特征形成的特征空间上对图像进行区域分割，并在此基础上对区域进 行多尺度小波分解；然后利用柯西函数构造区域的模糊相似度，应用模糊相似度及区域信息量构造加权因子，从而 得到融合图像的小波系数；最后利用小波逆变换得到融合图像．采用均方根误差、峰值信噪比、熵、交叉熵和互信息5 种准则评价融合算法的性能．实验结果表明，文中方法具有良好的融合特性．

针对红外与可见光图像具有不同的特点，提出一种新的基于非下采样剪切波变换(NSST)的红外与可 见光图像融合算法．算法首先采用NSST将已配准的红外与可见光图像进行分解，得到低频子带图像和各尺度各方向 的高频子带图像；然后对低频子带图像采用一种基于显著图的低频融合规则进行融合，而对高频子带图像的融合，结 合人眼视觉特性，采用一种基于改进的区域对比度的融合规则；最后，对融合的低频子带图像和高频子带图像进行 NSST逆变换得到融合图像．实验结果表明，该算法能够有效地综合红外与可见光图像中的重要信息，融合效果要优于 一般的基于NSCT、NSST的图像融合方法．

：为了提高图像融合的效率和质量，该文提出一种基于快速非下采样轮廓波变换(NSCT)和4 方向稀疏表示 的图像融合算法。该方法首先对源图像进行快速NSCT 分解，生成一系列低通和高通子带。对于低频子带，利用 自适应生成的DCT 过完备字典进行快速的4 方向稀疏表示和系数融合；对于高频子带，则利用高斯加权区域能量 最大的融合规则进行系数融合。快速NSCT 将传统NSCT 的树形滤波结构转变为多通道滤波结构，能成倍提高分 解效率；快速的稀疏融合则抛弃了传统的滑动窗口方法，以水平、垂直、对角线4 个方向进行稀疏表示和稀疏融合， 进一步提高算法效率。实验结果表明，提出的快速算法能在不影响融合质量的条件下将算法效率提高近20 倍。